在未来的商业世界里，数据管理、数据决策将成为很多商业系统中主要的管理模式。特别是在具体的业务决策中，数据审核、决策、管理将逐步成为主要的管理模式之一。
这几年一些企业已经开始在这方面的探索。
从全社会看，银行领域已经在这方面做出很多积极的尝试。譬如工行等一些·商业银行，在逐步改变传统的信贷管理方式，逐步由人管理、人审核变成在线化数据审核、数据决策、数据管理。
在零售行业以盒马、便利蜂为代表的一些零售企业也在积极探索数据管理新模式。主要是在企业的运行层面，譬如对采购补货、门店补货，以及在门店的运营层面，譬如盒马对门店的基层岗位作业基本实现了数据指导管理下作业方式，实现了数据管理人的作业。便利蜂实现了对供货商的补货、门店的日常作业数据化管理，逐步由数据替代店长的日常管理。
从电商和一些创新模式看，目前能够实现高效率的运行，主要依托的就是数据化管理。譬如京东如何把几百万SKU的商品准确匹配到各个仓，主要依靠的是数据。美团如何精准调度每一个订单、商家、骑手实现半小时交付，主要是依靠数据化管理。高德地图如何实现准确的导航，主要依靠的是跑出来的数据实现的精准。
数据化决策、数据化管理目前已经成为一种新的管理方式。其优点是能够承载更大的决策量，能够带来更高效率，能够降低由人的决策、执行中产生的各种成本。
譬如京东要把他几百万的商品与几亿分布于不同区域的用户做匹配，靠传统的人决策方式是很难想象的。这样的超级数据量决策，必须要依靠数据化决策。
数据化决策一定能带来效率。不论是商业银行的信贷决策模式的改变，还是盒马、便利蜂这种操作层面的决策变革，都将带来巨大的效率改变。
在这种效率改变的同时，一定会产生巨大的成本降低。不光是人本身的成本，以及一直约束企业管理效率提升的沟通成本的问题，包括在各个方面的成本改善一定会是非常显著的。
目前，对大多品牌商、零售商来讲，迫切需要进行全渠道转型。迫切需要由现在的B端营销模式转型C端营销模式，建立针对终端用户营销体系。特别是为了更好地实现针对C端顾客的精准营销需要建立起对每一个终端用户的账户体系，这将会对企业的数据量显著增加。企业迫切需要更进一步提升运行效率、降低运行成本。
这些转型，都需要企业尽快实现由传统的以人为主体的决策，向数据决策、数据管理、数据执行模式的转型。否则很难适应新环境下的转型需要。
如何理解企业转型数据化管理？
数据化管理的转型逻辑是：在线、链接、数据、智能。
实现企业数据决策、数据管理、数据执行前提是首先要实现企业的一切业务在线。通过在线化，实现企业各个营销要素、管理要素的在线化链接。依靠在线和链接，产生相应的具备一定业务逻辑关系的在线化数据，在企业的数据积累达到一定量级的基础上，实现企业的数据决策与数据管理，也就是实现数据智能。
这四个环节必须要实现同步布局。是同步完成、同步实现的关系。
实现数据管理、数据决策有三大关键点：
数据范畴：也就是数据覆盖的范围。从实现全面的企业数据化管理的角度讲，在线化、链接所产生的数据能覆盖企业的所有经营活动。特别是能实现对用户、商品、交易、营销、团队等主要核心要素的全覆盖。并且这些数据一定要产生链接关联关系。不能是各自独立、毫无联系的数据关系。
数据量：实现高效数据管理、数据决策的重要基础是依托足够的海量数据。从一定角度讲数据量越多，越会产生更准确的决策。
譬如我们每一个人都在这些年所体会到的高德导航，就是随着数据量的增加，经过了一个由不准确到准确的演变过程。
目前看，企业在实现数据化管理的过程中，需要经历这样的一个演变过程。
算法逻辑：有了海量的数据，如何实现对企业经营的准确指导，能够形成数据化决策，很重要的支撑来自于算法逻辑。
算法就是依据商业逻辑变成为数据语言，变成为新的数据决策体系。
